【摘要】针对DBSCAN聚类算法对参数敏感、参数选取依靠经验的问题，文章提出了一种基于改进天牛群优化的DBSCAN聚类（IBSO-DBSCAN）算法。该算法首先提出一种自适应惯性权重更新策略，以平衡BSO算法的全局搜索和局部探索，同时引入正态云模型更新群体位置；然后以评价聚类效果的CS指标作为算法的适应度函数；最后利用改进的天牛群优化算法自适应地选取DBSCAN聚类算法的全局最优参数Eps和MinPts。将算法在3种UCI数据集上进行有效性测试，实验结果表明，所提出的IBSO-DBSCAN算法在聚类效果方面优于对比算法，且具有更强的全局搜索能力。